这似乎与每个时期的Tensorflow准确性峰值相同，但对于自定义指标。
我已经写了一个answer for it，但我可以在这里采用一般的想法。
我无法跟踪您更新/重置指标的确切位置，或者您在哪里注册它们。因此，我假设这可能是由tensorflow自动完成的。如果是这样，我相信您看到的问题是由平均值导致的指标伪影引起的。您可能可以通过使用

def on_batch_begin(batch, logs):
    model.reset_metrics()
    return

lambda_callback = tf.keras.callbacks.LambdaCallback(on_batch_begin=on_batch_begin)

在训练时，

model.fit(..., callbacks=[lambda_callback])

请注意，这显然会使所有指标仅报告每个epoch的最后一个训练批次丢失。